Fugu-MT 論文翻訳(概要): MIRACLE: Towards Personalized Dialogue Generation with Latent-Space Multiple Personal Attribute Control

論文の概要: MIRACLE: Towards Personalized Dialogue Generation with Latent-Space Multiple Personal Attribute Control

arxiv url: http://arxiv.org/abs/2310.18342v1
Date: Sun, 22 Oct 2023 08:44:26 GMT
ステータス: 処理完了
システム内更新日: 2023-11-05 13:53:07.232515
Title: MIRACLE: Towards Personalized Dialogue Generation with Latent-Space Multiple Personal Attribute Control
Title（参考訳）: MIRACLE: 複数個人属性制御による個人化対話生成に向けて
Authors: Zhenyi Lu, Wei Wei, Xiaoye Qu, XianLing Mao, Dangyang Chen, Jixiong Chen
Abstract要約: ttributes textbfControl in textbfLatent-Space textbfEnergy-based Models。我々は条件付き変分自動エンコーダを用いて、潜伏する関節属性空間内の密集したパーソナライズされた応答と整合する。
参考スコア（独自算出の注目度）: 33.94908203568825
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Personalized dialogue systems aim to endow the chatbot agent with more anthropomorphic traits for human-like interactions. Previous approaches have explored explicitly user profile modeling using text descriptions, implicit derivation of user embeddings, or utilizing handicraft prompts for ChatGPT-like models. However, textual personas are limited in describing multi-faceted attributes (\emph{e.g.}, \emph{language style, inner character nuances}), implicit embedding suffers from personality sparsity, and handicraft prompts lack fine-grained and stable controllability. Hence, these approaches may struggle with complex personalized dialogue generation tasks that require generating controllable responses with multiple personal attributes. To this end, we propose \textbf{\textsc{Miracle}}, a novel personalized dialogue generation method through \textbf{M}ult\textbf{I}ple Pe\textbf{R}sonal \textbf{A}ttributes \textbf{C}ontrol within \textbf{L}atent-Space \textbf{E}nergy-based Models. ttributes \textbf{C}ontrol within \textbf{L}atent-Space \textbf{E}nergy-based Models. Specifically, our approach first disentangles complex personality into multi-faceted attributes. Subsequently, we employ a conditional variational auto-encoder to align with the dense personalized responses within a latent joint attribute space. We have also tailored a dedicated energy function and customized the ordinary differential equations sampling method to offer flexible attribute composition and precise attribute control. Extensive experiments demonstrate that \textsc{Miracle} outperforms several strong baselines in terms of personality controllability and response generation quality. Our dataset and code are available at \url{https://github.com/LZY-the-boys/MIRACLE}
Abstract（参考訳）: パーソナライズされた対話システムは、チャットボットエージェントに人間のようなインタラクションのためのより人為的な特徴を与えることを目的としている。これまでのアプローチでは,テキスト記述やユーザ埋め込みの暗黙的導出,あるいはchatgptライクなモデルに対する手工芸プロンプトの利用といった,明示的なユーザプロファイルモデリングを探求している。しかし、テキストのパーソナラは多面的属性(例えば、\emph{e.}, \emph{language style, inner character nuances})の記述に制限され、暗黙の埋め込みは人格のスパースに苦しめられ、手工芸のプロンプトは細かい粒度と安定した制御性に欠ける。したがって、これらのアプローチは複雑なパーソナライズされた対話生成タスクに苦労し、複数の個人属性による制御可能な応答を生成する必要がある。そこで本研究では,新しい対話生成手法である \textbf{M}ult\textbf{I}ple Pe\textbf{R}sonal \textbf{A}ttributes \textbf{C}ontrol in \textbf{L}atent-Space \textbf{E}nergy-based Modelsを提案する。 ttributes \textbf{c}ontrol in \textbf{l}atent-space \textbf{e}nergyベースのモデル。特に,このアプローチでは,複雑なパーソナリティを多面属性に分類する。その後,条件付き変分オートエンコーダを用いて,潜在属性空間内の密集したパーソナライズされた応答に対応する。また,専用エネルギー関数を調整し,通常の微分方程式サンプリング法をカスタマイズし,柔軟な属性構成と正確な属性制御を提供する。広範囲な実験により、‘textsc{Miracle} はパーソナリティ制御性と応答生成品質の点で、いくつかの強いベースラインを上回ります。我々のデータセットとコードは \url{https://github.com/LZY-the-boys/MIRACLE} で入手できる。

関連論文リスト

Learning Retrieval Augmentation for Personalized Dialogue Generation [29.467644429517325]
本稿では,対人対話生成における外部知識の活用の可能性について検討する。補足データソースとしてROCStoryを用いたCONVAI2データセットを用いて行った実験では,提案手法がベースラインを大幅に上回ることが示された。
論文参考訳（メタデータ） (2024-06-27T02:38:13Z)
PersonalityChat: Conversation Distillation for Personalized Dialog Modeling with Facts and Traits [5.447308344436046]
PersonalityChatは、人気のPersonaChatデータセットに基づいた合成会話データセットである。生成対話モデルの特質に基づくパーソナライズには,性格特性ラベルが有効であることを示す。
論文参考訳（メタデータ） (2024-01-14T20:35:33Z)
TextDiffuser-2: Unleashing the Power of Language Models for Text Rendering [118.30923824681642]
TextDiffuser-2は、テキストレンダリングのための言語モデルのパワーを解き放つことを目的としている。拡散モデル内の言語モデルを用いて,行レベルでの位置とテキストを符号化する。我々は広範な実験を行い、GPT-4Vと同様に、ヒトの参加者を含むユーザスタディを取り入れた。
論文参考訳（メタデータ） (2023-11-28T04:02:40Z)
G-SPEED: General SParse Efficient Editing MoDel [25.48360227520061]
underlinetextbfGeneral underlinetextbfSParse underlinetextbfEfficient underlinetextbfEditing MounderlinetextbfDel(textbfG-SPEED)
論文参考訳（メタデータ） (2023-10-16T15:01:18Z)
Cue-CoT: Chain-of-thought Prompting for Responding to In-depth Dialogue Questions with LLMs [59.74002011562726]
我々は、よりパーソナライズされ魅力的な応答を提供するために、新しい言語的キューに基づく思考の連鎖(textitCue-CoT)を提案する。中国語と英語の6つのデータセットからなる詳細な対話質問を用いたベンチマークを構築した。実験により,提案手法は,すべてのデータセットにおいて,テクステルパーフルネスとテクスチタアクセプタビリティの両方の観点から,標準的プロンプト法よりも優れていることを示す。
論文参考訳（メタデータ） (2023-05-19T16:27:43Z)
Contextual Dynamic Prompting for Response Generation in Task-oriented Dialog Systems [8.419582942080927]
応答生成はタスク指向対話システムにおいて重要なコンポーネントの1つである。本稿では,対話コンテキストからプロンプトを学習するテキスト動的プロンプトを実現する手法を提案する。文脈的動的プロンプトは,3つの絶対点で構造化されたテキスト合成スコア citemehri-etal 2019 を用いて応答生成を改善することを示す。
論文参考訳（メタデータ） (2023-01-30T20:26:02Z)
MACSum: Controllable Summarization with Mixed Attributes [56.685735509260276]
MACSumは、混合属性を制御するための最初の人間アノテーションによる要約データセットである。混合制御可能な要約の新しいタスクに対する2つの単純かつ効果的なパラメータ効率のアプローチを提案する。
論文参考訳（メタデータ） (2022-11-09T17:17:37Z)
DisCup: Discriminator Cooperative Unlikelihood Prompt-tuning for Controllable Text Generation [6.844825905212349]
本稿では,識別器の属性知識を取り入れた新しいCTG手法であるDisCupを提案する。 DisCupは、約10の仮想トークンに頼るだけで、効率的で高品質なテキスト生成を維持しながら、新しい最先端の制御性能を実現することができる。
論文参考訳（メタデータ） (2022-10-18T02:59:06Z)
Unsupervised Neural Stylistic Text Generation using Transfer learning and Adapters [66.17039929803933]
応答生成のためのスタイル特化属性を学習するために,モデルパラメータの0.3%しか更新しない新しい転送学習フレームワークを提案する。我々はPERSONALITY-CAPTIONSデータセットからスタイル固有の属性を学習する。
論文参考訳（メタデータ） (2022-10-07T00:09:22Z)
Enabling Language Models to Fill in the Blanks [81.59381915581892]
文書中の任意の位置にあるテキストの欠落を予測するタスクである,テキストを埋め込むためのシンプルなアプローチを提案する。我々は、人工的にマスキングされたテキストと隠蔽されたテキストの連結を含むシーケンスに基づいて、オフザシェルフ言語モデル(またはファインチューン)を訓練する。言語モデリングにより,この手法により,3つの分野(短編,科学的な要約,歌詞)において,LMが文全体を効果的に埋め込むことができることを示す。
論文参考訳（メタデータ） (2020-05-11T18:00:03Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。